matlab课程设计

1、封面作者：PanHongliang仅供个人学课程设计任务书学生姓名：专业班级：指导教师：刘新华工作单位：信息工程学院题 目：利用 MATLA 仿真软件实现图像的去噪处理要求完成的主要任务：1. 读取图像并分别加入高斯噪声、椒盐噪声、乘性噪声 .2采取合适的滤波器进行去噪处理，能显示原始图像、加噪后图像和去噪 后图像.课程设计的目的：1 理论目的课程设计的目的之一是为了提高自学能力，并能用所学理论知识正确分析 图像噪声.2. 实践目的课程设计的目的之二是通过编写图像加噪去噪程序掌握图像噪声处理的方 法和步骤.时间安排:序号阶段内容所需时间1方案设计2 天2软件设计3 天3系统调试2 天4答辩1

2、天合计8 天指导教师签名：年 月 日系主任（或责任教师）签字:目录摘要 IAbstractI 1 引言 31. 1MATLAB 介绍 31.2MATLAB 图像处理工具箱函数介绍 32 图像的采集 43 图像的加噪 53.1 加入乘性噪声 53.1.1 噪声分析与函数使用 53.1.2 代码及其注释 53.1.3 图像仿真 63.2 加入椒盐噪声 63.2.1 噪声分析与函数使用 63.2.2 代码及其注释 63.2.3 图像仿真 73.3 加入高斯噪声 73.3.1 噪声分析与函数使用 73.3.2 代码及其注释 73.3.3 图像仿真 84 图像的去噪 84.1 滤波器的介绍 84.1.1

3、 均值滤波 84.1.2 中值滤波 94.1.3 维纳滤波 94.2 去除乘性噪声 104.2.1 代码及其注释 104.2.2 图像仿真 114.2.3 效果分析 114.3 去除椒盐噪声 114.3.1 代码及其注释 114.3.2 图像仿真 124.3.3 效果分析 124.4 去除高斯噪声 124.4.1 代码及其注释 124.4.2 图像仿真 134.4.3 效果分析 135 心得体会 13 参考文献 13附件：MATLAB?序 14摘要本次课程设计报告在简要介绍 MATLAB 软件的基础上 , 结合其图象处理 工具, 重点分析了 MATLAB 在图象处理中的应用 .文中的具体实例表

4、明 , 在数字 图象处理中使用 MATLAB 可以提高实验效率 , 快速得出实验结果 .本次课程设 计，主要是利用MATLAB 仿真软件实现图像的去噪处理 .要求：读取图像并分 别加入高斯噪声、椒盐噪声、脉冲噪声和乘性噪声，然后采取合适的滤波器进 行去噪处理，能显示原始图像、加噪后图像和去噪后图像 .在此过程中学会此 软件的一些基本操作及语言 .一幅图像在实际应用过程中可能存在各种各样的噪声，给后面的图像区域 分割、分析判断等工作带来了困难，因此图像去噪是图像处理中的重要组成部 分利用MATLAB 软件对均值滤波、中值滤波和维纳滤波3种图像去噪技术进 行分析比较结果表明：均值滤波方法适于去除高

5、斯噪声；中值滤波方法适于 去除椒盐噪声，同时能较好保护图像边界；自适应滤波方法较之前2种滤波方 法具有更好的选择性，适于去除高斯噪声同时，3种去噪方法对于去除远观 图或近观图中的噪声，均有良好效果 .关键词： 滤波器 图像加噪 MATLABAbstractThis curriculum project report was introducing briefly in the MATLAB softwaresfoundation, unifies its imagery processing tool, selective analysis MATLAB in imageryprocessin

6、g application. In the article concrete example indicated that uses MATLAB indigital image processing to be possible to raise the experiment efficiency, obtains theexperimental result fast. This curriculum project, is mainly realizes image denoisingprocessing using the MATLAB simulation software. Req

7、uest: The read image and joinsthe Gauss noise, the spiced salt noise, the impulse noise/pulse noise/pulsive noise andwhile the noise separately, then adopts the appropriate filter to carry on denoisingprocessing, after can demonstrate the primitive image, the Canadian chirp, image andthe denoising,

8、image. During this process learns this softwares some elementaryoperation eos and the language.An image in the actual application process may exist in a variety of noise to theback of the image region segmentation, analysis and other work makes it difficult tojudge, so the image denoising is an impo

9、rtant image processing component. UsingMATLAB software mean filtering, median filtering and Wiener filtering three kinds ofimage denoising techniques were analyzed and compared. The results showed: meanfiltering method for removing Gaussian noise 。 median filtering method for removingsalt and pepper

10、 noise, and can better protect the image boundary。 adaptive filteringmethod compared to the previous two kinds of filtering method has better selectivity forremoval Gaussian noise. At the same time, three kinds of de-noising method for theremoval or the close-distance diagram of the noise figure, ha

11、ve a good effect.Keywords: Filtering Image noise MATLAB1引言1.1MATLAB介绍MATLAB 是矩阵实验室(Matrix Laboratory)的简称，是美国 MathWorks 公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计 算的高级技术计算语言和交互式环境，主要包括 MATLAB 和 Simulink 两大部 分.MATLAB 是由美国 mathworks 公司发布的主要面对科学计算、可视化以及 交互式程序设计的高科技计算环境 .它将数值分析、矩阵计算、科学数据可视化 以及非线性动态系统的建模和仿真等诸多强大功

12、能集成在一个易于使用的视窗 环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提 供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言(如 C、Fortran)的编辑模式，代表了当今国际科学计算软件的先进水平 MATLAB 和Mathematica、 Maple 并称为三大数学软件 .它在数学类科技应 用软件中在数值计算方面首屈一指 .MATLAB 可以进行矩阵运算、绘制函数和数 据、实现算法、创建用户界面、连 接其他编程语言的程序等，主要应用于工程 计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分 析等领域 . MATLAB 的基本数据单位

13、是矩阵，它的指令表达式与数学、工程中 常用的形式十分相似，故用 MATLAB 来解算问题要比用 C， FORTRAN 等语言 完成相同的事情简捷得多，并且 MATLAB 也吸收了像 Maple 等软件的优点 ,使 MATLAB 成为一个强大的数学软件 .在新的版本中也加入了对 C， FORTRAN ， C+ ， JAVA 的支持 .可以直接调用 ,用户也可以将自己编写的实用程序导入到 MATLAB 函数库中方便自己以后调用，此外许多的 MATLAB爱好者都编写了 一些经典的程序，用户可以直接进行下载就可以用 .1.2MATLAB图像处理工具箱函数介绍1. imreadimread 函数用于读入

14、各种图像文件，如： a=imread(E:1.jpg)注：计算机 E 盘上要有 1 相应的.jpg 文件.2. imfinfoimfinfo 函数用于读取图像文件的有关信息，如： imfinfo(E:1.jpg)3. rgb2gradrgb2grad()函数用于把真彩图转换为灰度图4.imshowimshow 函 数 用 于 灰 度 图 像 文 件 的 显 示 ， 如 ：i=imread(E:1.jpg)。imshow(i) 。5.imnoiseimnoise 函 数 用 于 对 图 像 生 成 模 拟 噪 声 ， 如 ： i=imread(E:1.jpg)。j=imnoise(i,gauss

15、ian,0,0.02。模拟高斯噪声5.fspecialfspecial 函 数 用于产生预定义滤波器 ，如：h=fspecial(sobel) 。%sobel水平边缘增强滤波器h=fspecial(gaussian)。%高斯低通滤波器h=fspecial(laplacian)。%拉普拉斯滤波器h=fspecial(log) 。%高斯拉普拉斯(LoG) 滤波器h=fspecial(average)。 %均值滤波器j=medfilt2(i) 。6.中值滤波medfilt2函数用于图 像 的中值滤波，如：i=imread(e:w01.tif)o2图像的采集图像以数字形式进入计算机是进行数字图像处理的

16、第一步 . 一幅黑白图像可 以看成是一个二维函数 f (x, y)，其亮度是位置(x, y)的连续函数.计算机 中的数字图像是以矩阵形式f(m,n)表示的，不同的处理就是用不同的算法对 这一图像矩阵进行运算从二维连续函数到矩阵，涉及在不同空间位置上取出函 数值作为样本，并用一组整数值来表示这些样本的两个过程，前者称为取样， 后者称为量化，二者统称为数字化根据要求，数据来源于电脑上的图片，将这幅图片保存在路径“F:CF1.jpg ” ,图片命名为 1,原始的图片如图 1-1 所示：图 1 原彩色图像3图像的加噪3.1加入乘性噪声3.1.1噪声分析与函数使用现实中，图像在被获取和被传输时常常会受到

17、各种各样的噪声的干扰，按其 影响可分为加性噪声和乘性噪声.MATLAB为图片加乘性噪声的语句是(1) J = imnoise(l, speckle)；(1)(2) J = imnoise(l,speckle,parameters； (2)其中 I 为原图象的灰度矩阵，J 为加噪声后图象的灰度矩阵；一般情况下用(1)表示即可，(2)中表示是允许修改参数，而(1)中使用缺省参数.3.1.2代码及其注释A=imread(F:CF1.jpg)。%图像的读入，并将图像数据存入AB=rgb2gray(A)。%将原彩色图像变成灰度图像，并将图像数据存入Bsubplot(2,2,1)。%分割显示窗口，将其分为

18、 2X2，将图像放入第一个位置imshow(B)。title(原灰度图像)。%显示灰度图像 B，并为其加标题Bspeckle=i mn oise(B,speckle。%给图像加入乘性噪声，并存入Bspecklesubplot(2,2,2)。%分割显示窗口， 将其分为 2X2， 将图像放入第二个位置 imshow(Bspeckle)。 title(灰度图像加入乘性噪声后)。%显示加入乘性噪声的图像 B，并为其加标题3.1.3图像仿真图 2 灰度图像与加入乘性噪声后的图像3.2加入椒盐噪声3.2.1噪声分析与函数使用椒盐噪声是一种比较典型的噪声，由图像传感器，传输信道，解码处理等产生的黑白相间的亮

19、暗点噪声.椒盐噪声往往由图像切割引起.MATLA 沖为图片 加椒盐噪声的语句是(1) J = imnoise(l, salt & pepper)； (3)(2) J = imnoise(I, salt & pepper,parameters； (4)其中 I 为原图象的灰度矩阵，J 为加噪声后图象的灰度矩阵；一般情况下 用(3)表示即可，(4)中表示是允许修改参数，而(式 3-4)中使用缺省参数.3.2.2代码及其注释A=imread(F:CF1.jpg)。B=rgb2gray(A)。subplot(2,2,1)。imshow(B)。title(原灰度图像)。Bsalt=i m

20、no ise(B,salt & pepper)。 subplot(2,2,2)。imshow(Bgauss)b title(灰度图像加入椒盐噪声后)。3.2.3图像仿真图 3 灰度图像与加入椒盐噪声后的图像3.3加入高斯噪声3.3.1噪声分析与函数使用高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声.MATLA 沖为图片加高斯噪声的语句是(1) J = imnoise(l, gaussian； (5)(2) J = imnoise(l, gaussian,parameters) (6)(3) J=imnoise(l, gaussian,m,v； (7)其中 I 为原图象

21、的灰度矩阵，J 为加噪声后图象的灰度矩阵一般情况下用(5)表示即可，(6)中表示是允许修改参数，而(5)中使用缺省参数；(7)中对图 像 I 加高斯噪声，均值为 m 方差为 v.本次课程设计选择的加噪方式为第二种3.3.2代码及其注释A=imread(F:CF1.jpg)。B=rgb2gray(A)。subplot(2,2,1)。imshow(B)。title(原灰度图像)。Bgauss=i mno ise(B,gaussia n,0.16)subplot(2,2,2)。imshow(Bgauss)b title(灰度图像加入高斯噪声后)。3.3.3图像仿真图 4 灰度图像与加入高斯噪声后的图

22、像4图像的去噪4.1滤波器的介绍一种较好的图像去噪方法应该既可以消掉噪声影响又不使图像的边缘轮廓 和线条变模糊图像去噪处理方法有空域法和频域法2类.在空间域里一类方法 是噪声去除，即先判定某点是否为噪声点，若是，重新赋值，若不是按原值输 出；另一类方法是平均，即不依赖于噪声点的识别和去除，而对整个图像进行 平均运算 . 在频率域里是对图像频谱进行修正，一般采用低通滤波方法，而不像 在空间域里直接对图像像素灰度级值进行运算，即首先将图像从空间域变换到 频率域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到 图像处理的目的 .小波变换是全局变换，在时域或频域中均可从混有强噪声的信 号

23、中提取原始信号.本研究对空间域中的均值滤波、中值滤波和自适应滤波3种 去噪技术进行分析比较， 以下为3种技术的各自去噪原理 .4.1.1均值滤波也称线性滤波，主要思想为邻域平均法，对图像的任一像素点以其为中心 取MXM 窗口 （M 一般取 3,5,7,9 等奇数）,即用几个像素灰度的平均值来代替每 个像素的灰度 .有效抑制加性噪声，但容易引起图像模糊，可以对其进行改进， 主要避开对景物边缘的平滑处理 .该方法运算简单，对高斯噪声具有良好的去噪 能力 .均值滤波法可归结为矩形窗加权的有限冲击响应线性滤波器.第一个“旁瓣”比主峰大约低 13 分贝.因此，均值滤波器相当于低通滤波器 .这种低通性能

24、在平滑噪声的同时也会对图像的高频细节成分造成破坏和损失，使图像模糊 .4.1.2中值滤波基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术 . 中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻 域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中 间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中 值滤波可以对图像进行平滑处理 . 其算法简单，时间复杂度低，但其对点、线和 尖顶多的图像不宜采用中值滤波 . 很容易自适应化 . 中值滤波可以克服线性滤波 器给图像带来的模糊 , 在有效清除颗粒噪声的同时 ,又能保持良好的边缘特性

25、,从 而获得较满意的滤波效果 , 特别适合于去除图像的椒盐噪声 . 利用中值滤波算法 可以很好地对图像进行平滑处理 . 对于椒盐噪声密度较小时 , 尤其是孤立噪声点 , 用中值滤波的效果非常好 ,但在椒盐噪声密度增加时 , 其去噪能力将降低 , 可能残 留下部分噪声像素 . 虽然可以采用多轮迭代方式对滤波后的图像再次使用中值滤 波进行处理 , 但将造成更大的细节损失 .4.1.3维纳滤波维纳滤波 (N Wiener 最早在 1942 年提出的方法 )是一种对退化图像进行恢 复处理的一种常用算法 , 也是最早也最为人们熟知的线性图像复原方法 . 其设计 思想是使输入信号乘响应后的输出 , 与期望

26、输出的均方误差为最小，是一种自适 应滤波器，根据局部方差来调整滤波器效果 . 对于去除高斯噪声效果明显 .其数 学形式比较复杂：F(u,v)=(1/H(u,v)*(|H(u,v)|2)/(|H(u,v)|2+s*Sn(u,v)/Sf(u,v)*G(u,v) (8)其中 Sn(u ,V)表示噪声的功率谱，Sf(u ,V)表示未退化图像的功率谱在进行实 际处理时，往往不知道噪声函数 Sn(u,v)和 Sf(u,v)的分布情况，因此在实际应用时 多用：F(u,v)=(1/H(u,v) (|H(v)|2)/(|H(u,v)|2+K) G(u,v)(9)进行近似处理 ,其中 K 是一个预先设定的常数 .

27、维纳滤波对高斯噪声、乘性噪声都有明显的抑制作用 ,相对与均值滤波和中 值滤波 ,维纳滤波对这两种噪声的抑制效果更好 ,缺点就是容易失去图像的边缘信 息 .维纳滤波对椒盐噪声几乎没有抑制作用 .4.2去除乘性噪声4.2.1代码及其注释A=imread(F:CF1.jpg)。%读入图像B=rgb2gray(A)。%把彩色图像变成灰度图像Bspeckle=imnoise(B,speckle)。%加入乘性噪声h=fspecial(average,3。)%fspecial 用于产生预定义滤波器Bjunzhi=uint8(round(filter2(h,Bspeckle)。%均值滤波，uin8 为变量类型

28、，round 为取整，h 为滤波参数即均值，h 后 的变量为要处理的图像Bzhongzhi=medfilt2(Bgauss,7,7)。%中值滤波Bwiener1=wiener2(Bgauss,7,7)。%第一次维纳滤波Bwiener2=wiener2(Bwiener1,7,7)。%第二次维纳滤波subplot(2,3,1)。imshow(B)。title(原灰度图像)。subplot(2,3,2)。 imshow(Bspeckle)。 t i t l e (加入乘性噪声后 )。subplot(2,3,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。

29、imshow(Bzhongzhi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwienerl)。title( 次维纳滤波后)。subplot(2,3,6)。imshow(Bwiener2)。title(二次维纳滤波后)。4.2.2图像仿真图 4 灰度图像，加入乘性噪声后的图像，三种方式滤波后的图像4.2.3效果分析对于去除乘性噪声，均值滤波残留的噪声较多，中值滤波虽然效果不错但是处理后较为模糊，维纳滤波效果最好但图像会稍微变暗 .4.3去除椒盐噪声4.3.1代码及其注释A=imread(F:CF1.jpg) 。B=rgb2gray(A)。Bsalt=imnoise

30、(B,salt & pepper)。h=fspecial(average,3。)Bjunzhi=uint8(round(filter2(h,Bsalt) 。Bzhongzhi=medfilt2(Bgauss,7,7)。Bwiener1=wiener2(Bgauss,7,7)。subplot(2,3,6)。imshow(Bwiener2)。title(二次维纳滤波后)。Bwiener2=wiener2(Bwiener1,7,7)。subplot(2,3,1)。imshow(B)。title(原灰度图像)。subplot(2,3,2)。 imshow(Bsalt)。 t i t l e (

31、加入椒盐噪声后 )。subplot(2,3,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。imshow(Bzhongzhi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwiener1)。title( 一次维纳滤波后)。4.3.2图像仿真图 5 灰度图像，加入椒盐噪声后的图像，三种方式滤波后的图像4.3.3效果分析由滤波效果可以看出，以局部中值法为代表的非线性滤波器对滤除椒盐噪 声非常有效，但是非线性滤波器对于随机分布强度的噪声及其滤波效果明显变 坏.4.4去除高斯噪声4.4.1代码及其注释A=imread(F:CF1

32、.jpg)。B=rgb2gray(A)。Bgauss=imnoise(B,gaussian。) h=fspecial(average,3。)Bjunzhi=uint8(round(filter2(h,B) 。 Bzhongzhi=medfilt2(Bgauss,7,7)。Bwiener1=wiener2(Bgauss,7,7)。 Bwiener2=wiener2(Bwiener1,7,7) 。subplot(2,3,1)。 imshow(B)。 title( 原灰度图像 )。subplot(2,3,2)。 imshow(Bgauss)。 title( 加入高斯噪声后 )。subplot(2,3

33、,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。imshow(Bzhongzhi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwienerl)。title(一次维纳滤波后)。4.4.2图像仿真图 5 灰度图像，加入高斯噪声后的图像，三种方式滤波后的图像4.4.3效果分析由滤波结果可以看出，以局部均值法为代表的线性滤波器对滤除高斯噪声非常有效而且窗口越大处理效果越明显，但图像会越来越模糊， 7X7 的窗口比 较合适 . 然而线性滤波易于破坏图像的边缘及细节信息，且无法滤除颗粒噪声 .5心得体会MATLA 磁门神秘了一学

34、期的课，经过自己这几天的努力，终于揭开了它神 秘面纱的一角 . 一些同学做了比较高难度的涉及电路知识的课设，这让我觉得自 惭形秽.一方面，说明自己的专业课方面有待提高，另一方面，也反映出自己的 学习态度不端正，从知道有这门课开始，就应该有所留意，不应该等到最后再 去学.虽然只能做出较基础的东西，比较遗憾，但是我还是很享受完成MATLA 课设的过程 .这是一个充分考验自学能力和锻炼自己理解能力的机会 .几天的努 力，从零到有，从陌生到初识，曲曲几张图像，短短几段程序，让我体会到学 习的快乐和求知之路的不易希望自己能把这几天做 MATLAB 勺精神和精力也投 入大学其他科目的学习中，更进一步 .最

35、后，感谢老师给我们这个锻炼的机会，感谢老师的指导 .参考文献1. 自动控制原理的 MATLA 实现黄忠霖 主编国防工业出版社 2007 年出 版2. 精通 MATLAB2003 用程序接口编程技术陈超主编电子工业出版社 2009年出版3. Digital Imagessing Using MATLAB Reafael C.Gonzalez RichardE.Woods Stven L.Eddins 主编 电子工业出版社 2004 年出版4 .MAT LAB Attaway,Stormy 主编 Butterworth 2012 年出版5. 高效 matlab 数据处理大全 闫建华 主编 人民邮电

36、出版社 2006 出版6. 图像数据处理方法牟永光 主编 石油工业出版社 2007 出版附件：MATLAB!序加入乘性噪声A=imread(F:CF1.jpg)。%图像的读入，并将图像数据存入 AB=rgb2gray(A)。%将原彩色图像变成灰度图像，并将图像数据存入Bsubplot(2,2,1)。%分割显示窗口，将其分为 2X2，将图像放入第一个位置imshow(B)。title(原灰度图像)。%显示灰度图像 B，并为其加标题Bspeckle=imnoise(B,speckle)。%给图像加入乘性噪声，并存入 Bspecklesubplot(2,2,2)。%分割显示窗口，将其分为 2X2，将

37、图像放入第二个位置imshow(Bspeckle)。title(灰度图像加入乘性噪声后)。%显示加入乘性噪声的图像 B，并为其加标题加入椒盐噪声A=imread(F:CF1.jpg)。B=rgb2gray(A)。subplot(2,2,1)。imshow(B)。 title( 原灰度图像 )。Bsalt=imnoise(B,salt & pepper)。subplot(2,2,2)。imshow(Bgauss)b title(灰度图像加入椒盐噪声后)。加入高斯噪声A=imread(F:CF1.jpg)。B=rgb2gray(A) 。subplot(2,2,1)。imshow(B)。 t

38、itle( 原灰度图像 )。Bgauss=imnoise(B,gaussian,0.16。)subplot(2,2,2)。imshow(Bgauss)。 title( 灰度图像加入高斯噪声后 )。去除乘性噪声A=imread(F:CF1.jpg)。%读入图像B=rgb2gray(A) 。%把彩色图像变成灰度图像Bspeckle=imnoise(B,speckle)。%加入乘性噪声h=fspecial(average,3。)%fspecial 用于产生预定义滤波器Bjunzhi=uint8(round(filter2(h,Bspeckle) 。%均值滤波，uin8 为变量类型，round 为取整

39、，h 为滤波参数即均值, 的变量为要处理的图像Bzhongzhi=medfilt2(Bgauss,7,7)。%中值滤波Bwiener1=wiener2(Bgauss,7,7)。%第一次维纳滤波Bwiener2=wiener2(Bwiener1,7,7)。%第二次维纳滤波subplot(2,3,1)。 imshow(B)。 title( 原灰度图像 )。subplot(2,3,2)。imshow(Bspeckle)。 title( 加入乘性噪声后 )。subplot(2,3,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。imshow(Bzhongz

40、hi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwienerl)。title( 次维纳滤波后)。subplot(2,3,6)。imshow(Bwiener2)。 title( 二次维纳滤波后 )。去除椒盐噪声A=imread(F:CF1.jpg)。B=rgb2gray(A)。Bsalt=imnoise(B,salt & pepper)。h=fspecial(average,3。)Bjunzhi=uint8(round(filter2(h,Bsalt) 。Bzhongzhi=medfilt2(Bgauss,7,7)。Bwiener1=wiener2(Bga

41、uss,7,7)。Bwiener2=wiener2(Bwiener1,7,7)。subplot(2,3,1)。imshow(B)。 title( 原灰度图像 )。subplot(2,3,2)。imshow(Bsalt)。 title( 加入椒盐噪声后 )。subplot(2,3,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。imshow(Bzhongzhi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwiener1)。 title( 一次维纳滤波后 )。subplot(2,3,6)。imshow(Bwiener2)。

42、 title( 二次维纳滤波后 )。去除高斯噪声A=imread(F:CF1.jpg)。B=rgb2gray(A)。Bgauss=imnoise(B,gaussian。 )h=fspecial(average,3。)Bjunzhi=uint8(round(filter2(h,B) 。Bzhongzhi=medfilt2(Bgauss,7,7)。Bwiener1=wiener2(Bgauss,7,7)。Bwiener2=wiener2(Bwiener1,7,7)。subplot(2,3,1)。imshow(B)。title(原灰度图像)。subplot(2,3,2)。imshow(Bgauss。

43、title(加入高斯噪声后)。subplot(2,3,3)。imshow(Bjunzhi)。title(均值滤波后)。subplot(2,3,4)。imshow(Bzhongzhi)。title(中值滤波后)。subplot(2,3,5)。imshow(Bwienerl)。title(一次维纳滤波后)。subplot(2,3,6)。imshow(Bwiene。title(二次维纳滤波后)。本科生课程设计成绩评定表姓名性别男专业班级题目：利用 MATLAB 仿真软件实现图像的去噪处理答辩或质疑记录：1、 为什么要去噪？答：现实中的数字图像在数字化和传输过程中常受到成像设备与外部环境噪声 干扰等影响